사업용 차량은 교통안전법상 난폭운전 및 사고 방지를 위해 운행기록계, 블랙박스, ADAS를 의무적으로 장착하여야 한다. 한편 도로 위 위험요소들로 인한 피해는 2013년 대비 2016년에 1.5배로 증가하고 있으며 이에 국토교통부는 도로위험정보를 수집할 수 있는 센서를 개발하고 사업용 차량에 장착하여 프로브 차량으로 활용할 수 있는 기술을 개발 중에 있다. 본 연구는 이러한 기술개발을 대비하여 주행속도에 따른 GPS 오차 편차 발생 여부를 확인하고 이벤트 지점을 통합·분리할 적정 통합 범위(m)를 도출하는 분석을 수행하였다. 그 결과 주행속도가 100km/h일 때 평균오차는 9.72m로 주행속도가 40km/h일 때 평균오차 4.69m에 비해 오차가 약 2.1배 커지는 것으로 나타났다. 이벤트 지점 적정 통합·분리 범위(m)는 주행속도와 관계없이 동일지점 인식률 90% 이상인 20m로 분석되었다. 본 연구결과는 사업용 차량이 수집할 위치기반 정보 정확도 향상 및 정책개발의 기초자료로 활용될 수 있을 것이다.
사업용 차량은 교통안전법상 난폭운전 및 사고 방지를 위해 운행기록계, 블랙박스, ADAS를 의무적으로 장착하여야 한다. 한편 도로 위 위험요소들로 인한 피해는 2013년 대비 2016년에 1.5배로 증가하고 있으며 이에 국토교통부는 도로위험정보를 수집할 수 있는 센서를 개발하고 사업용 차량에 장착하여 프로브 차량으로 활용할 수 있는 기술을 개발 중에 있다. 본 연구는 이러한 기술개발을 대비하여 주행속도에 따른 GPS 오차 편차 발생 여부를 확인하고 이벤트 지점을 통합·분리할 적정 통합 범위(m)를 도출하는 분석을 수행하였다. 그 결과 주행속도가 100km/h일 때 평균오차는 9.72m로 주행속도가 40km/h일 때 평균오차 4.69m에 비해 오차가 약 2.1배 커지는 것으로 나타났다. 이벤트 지점 적정 통합·분리 범위(m)는 주행속도와 관계없이 동일지점 인식률 90% 이상인 20m로 분석되었다. 본 연구결과는 사업용 차량이 수집할 위치기반 정보 정확도 향상 및 정책개발의 기초자료로 활용될 수 있을 것이다.
Installation of digital tachograph, black box, and ADAS have been enforced to commercial vehicles for preventing violent driving and accidents by the Traffic Safety Act in Korea. Nevertheless, the damage caused by road hazards has increased 1.5 times in 2016 compared to 2013. So, developing new tech...
Installation of digital tachograph, black box, and ADAS have been enforced to commercial vehicles for preventing violent driving and accidents by the Traffic Safety Act in Korea. Nevertheless, the damage caused by road hazards has increased 1.5 times in 2016 compared to 2013. So, developing new technologies that can identify road hazard using the sensors installed in commercial vehicles are conducting by the Ministry of Land, Infrastructure and Transport. As a part of the technologies, this research analyze the error range of GPS installed in commercial vehicles that vary according to the driving speed. As a result, the average error was 9.72m at the driving speed of 100km/h, and the error was 2.1 times larger than the average error of 4.69m at the driving speed of 40km/h. The event point proper integration/separation range(m) was analyzed to be 20m with a recognition rate of 90% or more at the same point regardless of driving speed. The results of this research can be used as basic data for improving the accuracy of location-based data would be collected using commercial vehicles.
Installation of digital tachograph, black box, and ADAS have been enforced to commercial vehicles for preventing violent driving and accidents by the Traffic Safety Act in Korea. Nevertheless, the damage caused by road hazards has increased 1.5 times in 2016 compared to 2013. So, developing new technologies that can identify road hazard using the sensors installed in commercial vehicles are conducting by the Ministry of Land, Infrastructure and Transport. As a part of the technologies, this research analyze the error range of GPS installed in commercial vehicles that vary according to the driving speed. As a result, the average error was 9.72m at the driving speed of 100km/h, and the error was 2.1 times larger than the average error of 4.69m at the driving speed of 40km/h. The event point proper integration/separation range(m) was analyzed to be 20m with a recognition rate of 90% or more at the same point regardless of driving speed. The results of this research can be used as basic data for improving the accuracy of location-based data would be collected using commercial vehicles.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구의 목적은 주행속도별 각 프로브 차량이 수집한 이벤트 지점 위치 정보들로부터 실제 이벤트 지점 특정 범위(GPS 오차 범위)에 따른 동일지점 검지 정확도 변화를 파악하는 것이므로, 실험용 운행기록계를 현장조사차량에 설치하고 조사 구간을 주행함으로써 차량 주행속도와 GPS 좌표, 이벤트 정보를 동시에 수집하도록 하였다. 다만, 저장주기가 1초 단위인 관계로 실제 버튼을 누른 시각과 저장시각이 다를 수 있고 운행 기록계를 누르는 사람마다 버튼을 누르는 시점이 다를 수 있다는 한계점이 존재하며 본 연구에서는 이러한 오차는 존재하지 않는다고 가정하고 현장조사를 수행하였다.
향후 프로브 차량으로 활용될 수 있는 사업용 차량이 수집할 데이터의 형식은 도로위험정보 검지 센서로 감지한 도로위험정보와 디지털 운행기록계가 수집한 GPS 위치 값으로 예상할 수 있다. 이에 본 연구는 사업용 차량이 블랙박스 및 디지털 운행기록계를 활용하여 도로파손, 안개, 결빙 등의 도로위험 이벤트 정보를 생성할 때, 다수의 차량이 동일한 이벤트 지점 정보에 대하여 서로 다른 위치정보를 전송하는 경우 이를 하나의 지점으로 통합하기 위한 운행기록계의 GPS 오차 범위(동일지점 판단 범위)를 산출하는 것을 목적으로 하였고, 이를 위하여 사업용 차량의 주행속도, 도로위계에 따른 주행 시나리오를 설정하고 각 시나리오별 GPS 위치정보 오차를 검증하는 실험주행을 수행하여 그 결과로부터 지점 통합 알고리즘에 필요한 GPS 오차 범위를 산출하였다.
가설 설정
본 연구의 목적은 주행속도별 각 프로브 차량이 수집한 이벤트 지점 위치 정보들로부터 실제 이벤트 지점 특정 범위(GPS 오차 범위)에 따른 동일지점 검지 정확도 변화를 파악하는 것이므로, 실험용 운행기록계를 현장조사차량에 설치하고 조사 구간을 주행함으로써 차량 주행속도와 GPS 좌표, 이벤트 정보를 동시에 수집하도록 하였다. 다만, 저장주기가 1초 단위인 관계로 실제 버튼을 누른 시각과 저장시각이 다를 수 있고 운행 기록계를 누르는 사람마다 버튼을 누르는 시점이 다를 수 있다는 한계점이 존재하며 본 연구에서는 이러한 오차는 존재하지 않는다고 가정하고 현장조사를 수행하였다.
제안 방법
본 연구에서는 다양한 주행속도 상황을 설정하여 실제 차량에 사업용 차량이 장착하는 운행기록계를 설치하고 주행하여 데이터를 수집하고 속도변화에 따른 GPS 오차 범위 변화와 동일지점 인식률을 분석하였다. 이를 위해 도로위험정보를 수동으로 입력할 수 있는 실험용 운행기록계를 제작하였으며, 도로위계를 달리하는 조사구간을 설정하여 주행속도별 현장조사를 수행하였다.
본 연구의 목적은 다수의 차량이 수집한 동일 이벤트 지점에 대한 각기 다른 위치정보를 하나의 지점으로 통합 또는 분리할지 결정하기 위한 주행속도별 GPS 오차 범위(동일지점 판단 범위)를 산출하는 것이므로 현장조사 시나리오는 크게 ①GPS 오차 범위, ②주행속도에 따라 구분하여 총 40개를 개발하였다.
운행기록계를 활용한 이벤트 정보 GPS 데이터 수집 방안은 조사차량 운전자가 각 구간별 정해진 일정한 속도로 조사구간을 반복적으로 주행할 때, 지점 정보를 입력하는 조사원이 각 구간별 정해진 이벤트 지점을 지나가면 운행기록계 버튼을 눌러 이벤트 정보를 입력하는 방식으로 진행하였다.
본 연구에서는 다양한 주행속도 상황을 설정하여 실제 차량에 사업용 차량이 장착하는 운행기록계를 설치하고 주행하여 데이터를 수집하고 속도변화에 따른 GPS 오차 범위 변화와 동일지점 인식률을 분석하였다. 이를 위해 도로위험정보를 수동으로 입력할 수 있는 실험용 운행기록계를 제작하였으며, 도로위계를 달리하는 조사구간을 설정하여 주행속도별 현장조사를 수행하였다. 조사결과 총 2,585개의 표본을 수집하였으며, 평균 GPS 오차는 주행속도 100km/h(9.
대상 데이터
따라서 교통량이 적되, 현장조사자에게 접근성이 용이한 세종특별자치시 인근의 고속국도, 간선도로, 일반 도로에 각각 현자조사 구간을 설정하여 총 4개의 구간을 선정하였다. 각 구간의 최대주행속도는 100km/h, 80km/h, 60km/h, 40km/h이다.
분석을 위한 데이터를 수집한 결과 총 2,585개의 표본을 획득하였다. [Table 5]와 같이 ‘구간 2’와 ‘구간 4’의 표본 수는 ‘구간 1’과 ‘구간 3’에 비해 상대적으로 적게 수집되었는데 ‘구간 2’의 경우 조사 구간에 터널이 존재하여 운행기록계가 일시적으로 작동하지 않은 경우가 발행하였고, ‘구간 4’의 경우 고속도로 특성상 IC와 IC 사이의 길이가 길어 차량을 회차 하고자 할 때 요금소 밖으로 나가서 우회해야하기 때문에 조사 소요 시간이 다른 구간에 비해 시간 소요가 큰 것이 원인으로 판단된다.
(2017). 현재 사업용 차량이 수집하는 도로위험정보(이하 이벤트 정보)는 운행기록계의 GPS 위치정보와 함께 전송되도록 개발이 진행 중이기 때문에 시판 중인 운행기록계를 실험대상으로 선정하였고, 이때 도로위험정보 검지 센서가 아직 개발 중인 관계로 운행기록계에 이벤트 정보를 수동적으로 입력할 수 있는 기능을 별도로 추가한 시작품을 제작하여 실험에 이용하였다. 해당 기기는 운행기록계 제작 업체((주)엔탑전자)에 의뢰하여 제작하였으며 운행기록계에 적용된 GPS 모듈은 Telit사의 ‘M2122SMT3’으로 기술적 사양은 아래의 [Table 2]와 같다.
데이터처리
각 구간별 이벤트 지점의 기준 좌표와 현장조사를 통해 수집한 이벤트 지점에 대한 좌표와의 거리 차(m)를 계산하여 속도별로 오차 폭이 달라지는지 비교 분석하였다.
시나리오 설정단계에서는 GPS오차 분석을 위한 시나리오를 개발하고, 현장조사 단계에서는 GPS 데이터를 수집하기 위한 운행기록계 시작품 제작 및 조사 구간 설정과 도로 상의 가상 이벤트 지점 위치를 지정한 후에 실험을 위한 시나리오별 주행방법을 개발하였다. 속도변화에 따른 GPS 오차 분석에서는 차량 주행속도와 GPS 오차 범위에 따른 동일지점 인식률 변화에 대한 분석을 수행하였다.
성능/효과
69m) 순으로 큰 것으로 나타나 속도가 빠를수록 GPS 오차 범위가 증가하는 것을 알 수 있었다. GPS 오차 범위에 따른 동일지점 인식률을 검토한 결과로는, 주행속도가 100km/h이고 오차 범위가 50m일 때 인식률 100.00%, 오차 범위 5m일 때 인식률 16.23%로 오차범위가 좁을수록 동일지점 인식률이 낮아진다는 것을 알 수 있었다. 차량의 속도가 변화하더라도 동일지점 인식률이 90%가 넘는 GPS 오차 범위는 20m로 향후 사업용 차량이 도로위험 정보를 수집하는 프로브 차량으로 활용되어 이벤트 정보를 수집했을 때 각 GPS 좌표 간 거리가 20m 내에 분포하는 경우 해당 이벤트는 하나의 이벤트로 판단하면 적정할 것으로 판단된다.
분석 결과, GPS 오차 범위가 50m일 경우 주행속도와 관계없이 동일지점 인식률은 99.8% 이상인 것으로 나타났다. 이를 통해 차량이 고속으로 주행하더라도 오차 범위가 50m보다는 작다는 것을 확인할 수 있었으며 GPS 오차 범위를 크게 줄인 5m로 설정했을 경우에는 주행속도 100km/h일 때 동일지점 인식률이 16.
이를 위해 도로위험정보를 수동으로 입력할 수 있는 실험용 운행기록계를 제작하였으며, 도로위계를 달리하는 조사구간을 설정하여 주행속도별 현장조사를 수행하였다. 조사결과 총 2,585개의 표본을 수집하였으며, 평균 GPS 오차는 주행속도 100km/h(9.72m) > 80km/h(6.651m) > 60km/h(6.07m) > 40km/h(4.69m) 순으로 큰 것으로 나타나 속도가 빠를수록 GPS 오차 범위가 증가하는 것을 알 수 있었다. GPS 오차 범위에 따른 동일지점 인식률을 검토한 결과로는, 주행속도가 100km/h이고 오차 범위가 50m일 때 인식률 100.
주행속도 GPS 오차를 분석한 결과 평균 GPS 오차는 9.72m(주행속도 100km/h) > 6.65m(주행속도 80km/h) > 6.07m(주행속도 60km/h) > 4.69m(주행속도 40km/h) 순으로 나타나 주행속도가 빠를수록 GPS 평균오차가 커지는 것을 확인할 수 있었다.
23%로 오차범위가 좁을수록 동일지점 인식률이 낮아진다는 것을 알 수 있었다. 차량의 속도가 변화하더라도 동일지점 인식률이 90%가 넘는 GPS 오차 범위는 20m로 향후 사업용 차량이 도로위험 정보를 수집하는 프로브 차량으로 활용되어 이벤트 정보를 수집했을 때 각 GPS 좌표 간 거리가 20m 내에 분포하는 경우 해당 이벤트는 하나의 이벤트로 판단하면 적정할 것으로 판단된다.
후속연구
운행기록계의 데이터는 초 단위로 저장이 되는데 이는 곧 주행속도가 빠르면 동일한 1초라도 차량은 더 멀리 나아가기 때문에 주행속도가 빠른 곳의 GPS 좌표 값간 거리가 더 커지는 것을 의미한다. 때문에 향후 연구에서는 데이터 저장 주기가 더 짧은 운행기록계를 활용하는 것이 필요할 것으로 판단된다. 또한 도시부와 지방부를 구분하는 등 좀 더 다양한 장소에서 주행속도별 현장조사를 수행하고 그에 따른 영향을 알아 볼 필요가 있다.
또한 도시부와 지방부를 구분하는 등 좀 더 다양한 장소에서 주행속도별 현장조사를 수행하고 그에 따른 영향을 알아 볼 필요가 있다. 본 연구결과는 프로브 차량으로 활용되는 사업용 차량이 수집하는 위치기반 정보의 정확도 향상 및 정책개발의 기초자료로 활용될 수 있을 것으로 기대된다.
본 연구의 한계점으로는 운행기록계 데이터 저장 주기로 인한 정밀한 자료 수집이 이루어지지 못한 부분이 존재한다. 운행기록계의 데이터는 초 단위로 저장이 되는데 이는 곧 주행속도가 빠르면 동일한 1초라도 차량은 더 멀리 나아가기 때문에 주행속도가 빠른 곳의 GPS 좌표 값간 거리가 더 커지는 것을 의미한다.
향후 프로브 차량으로 활용될 수 있는 사업용 차량이 수집할 데이터의 형식은 도로위험정보 검지 센서로 감지한 도로위험정보와 디지털 운행기록계가 수집한 GPS 위치 값으로 예상할 수 있다. 이에 본 연구는 사업용 차량이 블랙박스 및 디지털 운행기록계를 활용하여 도로파손, 안개, 결빙 등의 도로위험 이벤트 정보를 생성할 때, 다수의 차량이 동일한 이벤트 지점 정보에 대하여 서로 다른 위치정보를 전송하는 경우 이를 하나의 지점으로 통합하기 위한 운행기록계의 GPS 오차 범위(동일지점 판단 범위)를 산출하는 것을 목적으로 하였고, 이를 위하여 사업용 차량의 주행속도, 도로위계에 따른 주행 시나리오를 설정하고 각 시나리오별 GPS 위치정보 오차를 검증하는 실험주행을 수행하여 그 결과로부터 지점 통합 알고리즘에 필요한 GPS 오차 범위를 산출하였다.
질의응답
핵심어
질문
논문에서 추출한 답변
디지털 운행기록계란 무엇인가?
디지털 운행기록계(DTG; Digital tachograph)는 차량운행기록을 실시간으로 저장하는 기기로 차량의 GPS 위치, 주행속도, 분당엔진수(RPM), 자동차상태, 브레이크 신호, 방위각, 가속도 등을 기록하는 장치이다(Cho et al.(2017).
국토교통부는 교통사고를 예방하기 위한 목적으로 교통안전법에 명시한 것은?
국토교통부는 사업용 차량 운전자의 난폭운전과 졸음운전 등으로 인한 교통사고를 예방하기 위한 목적으로 운수 차량에 블랙박스, 디지털 운행기록계, ADAS(ADAS; Advanced Driver Assistance System)를 의무적으로 장착하도록 교통안전법에 명시하였다. 또한, 이러한 사업용 차량 내 장치가 수집하는 정보를 활용하여 도로위험정보를 수집하고 제공할 수 있는 기술개발을 진행하고 있다.
운행기록계 데이터 저장 주기의 한계점은 무엇인가?
본 연구의 한계점으로는 운행기록계 데이터 저장 주기로 인한 정밀한 자료 수집이 이루어지지 못한 부분이 존재한다. 운행기록계의 데이터는 초 단위로 저장이 되는데 이는 곧 주행속도가 빠르면 동일한 1초라도 차량은 더 멀리 나아가기 때문에 주행속도가 빠른 곳의 GPS 좌표 값간 거리가 더 커지는 것을 의미한다. 때문에 향후 연구에서는 데이터 저장 주기가 더 짧은 운행기록계를 활용하는 것이 필요할 것으로 판단된다.
참고문헌 (14)
Ahn G. H., Kim H. C., Lee D. W., Kwon J. W. and Kim H. S.(2010), "Information And Control Symposium," The Korean Institute of Electrical Engineers, pp.235-236.
Chae C. D., Sim H. J. and Lee J. H.(2018), "Integration and Decision Algorithm for Location-Based Road Hazardous Data Collected by Probe Vehicles," The Journal of The Korea Institute of Intelligent Transportation Systems, vol. 17, no. 6, pp.173-184.
Cho J. S., Lee H. S., Lee J. Y. and Kim D. N.(2017), "The Hazardous Expressway Sections for Drowsy Driving Using Digital Tachograph in Truck," Journal of Korean Society of Transportation, vol. 35, no. 2, pp.160-168.
Choe T. S., Kang J. M., Kim H. S. and Park J. B.(2016), "Low-end GPS Position Accuracy Enhancement Method by using Map Information," The Korean Institute of Electrical Engineers, vol 65, no. 4, pp.659-665.
Jagadeesh G. R., Srikanthan T. and Zhang X. D.(2004), "A Map Matching Method for GPS Based Real-Time Vehicle Location," The Journal of Navigation, vol. 57, no. 3, pp.429-440.
Jeon J. H., Kwon J. H. and Lee J. S.(2008), "Analysis of the GPS Error Effect through Simulation," Korea Society of Surveying, Geodesy, Photogrammetry, and Cartography, vol. 26, no. 4, pp.397-405.
Jeong S. W.(2003), "The Study of CNS(Car Navigation System) focusing on Map matching method," Journal of The Korean Institute of Information Scientists and Engineers, vol. 30, no. 2, pp.397-399.
Kang J. M.(2016), The Real-time Localization in Urban Area Based on Map Matching Method, Master thesis, Electrical and Electonic Engineering of Younsei Univ., Seoul, pp.5-21.
Kim D. H., Han W. S., Lee H. W., Hyun C. S., Joo D. H. and Lee C. K.(2008), "Evaluation of the Estimate Algorithms for Link Travel Time from GPS Probe Data," The Journal of Korean Institute of Intelligent Transport Systems, vol. 7, no. 5, pp.13-25.
Lee J. M., Park K. D. and Jeong W. S.(2017), "Analysis of Positioning Accuracy for DGNSS-based Land Navigation Using GPS/BDS Navigation Satellite System," Transactions of KSAE, vol. 25, no. 4, pp.422-429.
Lee S. H., Lee C. K., Yun I. S., Kim N. S. and Kang D. M.(2015), "Study on Map Matching Using Characteristics of Vehicular Movements," International Journal of Highway Engineering, vol. 17, no. 5, pp.75-82.
Ochieng W. Y., Quddus M. A. and Noland R. B.(2003), "Map-matching in complex urban road networks," J. of Cartography, vol. 55, no. 2, pp.1-14.
Samsung Traffic Safety Research InstiTUTE, http://sts.samsungfire.com/, 2019.11.1.
Yoon S. J. and Kim T. J.(2018), "Development of GPS Multipath Error Reduction Method Based on Image Processing in Urban Area," Korea Society of Surveying, Geodesy, Photogrammetry, and Cartography, vol. 36, no. 2, pp.105-112.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.